China’s Statistical Programmers and AI What Actually Changed from 2023 to 2025


PHUSE AI Survey 2025 Results

Song, Jiaqi

调研概况



本次调研追踪了中国临床统计编程人员在2023-2025年间对AI工具的使用变化,揭示了这个快速发展领域的真实转变。


核心发现

  • AI使用频率持续攀升,高频用户占比显著增长
  • 从试探性尝试到日常工作流程的深度整合
  • 对AI效率提升的认同度大幅提高
  • 实际应用场景从简单任务扩展到复杂问题解决


调研覆盖跨国药企、本土药企、CRO等多类型组织,受访者涵盖不同职级和经验层次,确保了数据的代表性和可靠性。

基本信息

基本信息概览



了解调研样本的组成结构,为后续AI变化趋势分析建立基线。


样本特征

  • 组织多元:跨国药企、本土药企、CRO全覆盖
  • 经验丰富:以中高级编程人员为主,6-9年经验占比最高
  • 技术主流:SAS和R为核心工具,符合行业现状
  • 领域聚焦:主要集中在肿瘤和免疫治疗领域
  • 工作全面:涵盖SDTM、ADaM、TLF等全流程


这些特征确保了样本对中国临床统计编程领域的广泛代表性。

受访者所在组织类型



受访者主要来自跨国药企(MNC)在华机构(80人,66.7%),样本覆盖了跨国药企、本土药企、CRO等多种组织类型。

受访者岗位级别分布



调研对象主要集中在中级/资深(49人,40.8%)和主管/组长(24人,20%),覆盖了从初级到总监的各个职级,样本具有较好的代表性。

受访者从业年限分布



从业年限分布较为均衡,其中6-9年的受访者最多(49人,40.8%),说明调研覆盖了不同经验层次的统计编程人员。

受访者常用编程语言/工具



SAS是最常用的编程语言(116人,96.7%),其次是R(90人,75%),这反映了临床统计编程领域的主流技术栈。

受访者涉及的治疗领域



肿瘤是受访者最常涉及的治疗领域(66人,55%),其次是免疫(59人,49.2%)。调研覆盖了多个治疗领域,具有广泛的代表性。

受访者主要工作内容



受访者的工作内容涵盖了统计编程的各个环节,从SDTM、ADaM到TLF的生成和QC,以及项目管理和团队管理等。

基本信息小结



样本代表性


  • 多元化组织:跨国药企、本土药企、CRO全覆盖
  • 核心群体:中高级编程人员,6-9年经验为主
  • 主流技术:SAS/R为核心,符合行业现状
  • 热门领域:肿瘤和免疫治疗领域聚焦
  • 全流程覆盖:SDTM到TLF各环节均有涉及

样本价值


  • 经验丰富:专业人员占比高,观点有深度
  • 视角全面:从初级到总监各层级均有代表
  • 场景真实:反映实际工作中的AI应用
  • 趋势可靠:为2023-2025变化分析奠定基础

AI使用情况

AI使用情况概览



本章节展示AI在中国临床统计编程领域的实际应用现状2023-2025年间的显著变化


关键发现

  • 频率跃升:高频使用者从2023年的低基数大幅增长至2025年
  • 应用深化:从简单代码生成到复杂问题解决
  • 工具多元:ChatGPT、Claude、国产模型并存
  • 价值显现:从几小时到几分钟的效率提升案例频现


这些数据揭示了AI工具如何在短短两年内从新鲜事物变为日常工作的必备工具。

受访者AI使用频率



大部分受访者在2025年经常或频繁使用AI工具(96人,80%),显示AI在统计编程领域的应用已经较为普及。

受访者AI使用任务类型



受访者使用AI的任务类型多样,代码片段/脚本建议(105人,87.5%)和数据清洗/转换/映射是最常见的应用场景。

AI使用频率变化趋势(2023-2025)




从2023年到2025年,受访者的AI使用频率呈现持续上升趋势,高频使用者(频繁+经常)占比从14.2%提升至80%,显示AI工具在统计编程领域的应用不断深化。

受访者常用的AI模型/平台



DeepSeek是受访者最常用的AI模型(89人,74.2%),其次是ChatGPT系列(79人,65.8%)。

处理敏感数据的做法



从不在AI工具中输入敏感数据是最主要的做法(76人,63.3%),显示受访者对数据安全的重视程度。

AI学习渠道



自学实践是最主要的学习渠道(73人,60.8%)。

Prompt策略



直接描述需求,让AI生成完整代码是最常用的策略(81人,67.5%)。

AI表现最佳的任务



代码注释与文档生成被认为是AI表现最佳的任务(30人,28.3%)。

使用AI遇到的典型问题



生成的代码语法错误或无法运行是最常遇到的问题(82人,68.3%)。

验证AI代码的方法



分步运行,检查中间结果是最常用的验证方法(32人,26.7%)。

不同任务复杂度的信任程度



随着任务复杂度增加,受访者对AI的信任程度呈现下降趋势,显示用户对AI处理复杂任务持谨慎态度。

AI帮助解决的技术难题



词云展示了AI在实际工作中帮助解决的具体难题,如提高工作效率快速解决代码问题批量处理Excel零基础制作网页从几小时到一分钟等,体现了AI在复杂场景下的实用价值。

AI使用情况小结



三年变化趋势


  • 2023:试探阶段,少数人尝试
  • 2024:快速普及,使用频率稳步上升
  • 2025:深度整合,成为日常工具
  • 高频用户占比持续增长,趋势明显

实际应用价值


  • 效率提升:从几小时缩短到几分钟
  • 能力拓展:零基础完成复杂任务
  • 场景多元:代码生成、调试、学习全覆盖
  • 信任增强:从谨慎尝试到依赖使用

对AI的态度

对AI的态度概览



本章节展示了中国统计编程人员对AI工具的态度演变轨迹,通过追踪2023-2025年间的变化,揭示了行业认知的深刻转变。


核心发现

  • 效率认同度飙升:对AI提升效率的认同度显著增长
  • 信任度增强:从谨慎观望到积极接纳
  • 应用意愿提升:乐于向团队推广的人数增加
  • 理性认知:对风险和限制有清晰认识


这些态度变化反映了行业从观望、试探到接纳、依赖的完整过程。

AI提升统计编程效率的态度变化




从2023年到2025年,受访者对AI提升统计编程效率的认同度持续上升,同意者占比从28.3%提升至84.2%,显示AI在提升工作效率方面获得广泛认可。

AI有助于减少低级错误的态度变化




受访者对此观点的认同度呈现变化趋势,反映了行业对AI应用的态度演进。

AI增加合规/审计风险的态度变化




受访者对此观点的认同度呈现变化趋势,反映了行业对AI应用的态度演进。

AI对初级岗位替代风险的态度变化




受访者对此观点的认同度呈现变化趋势,反映了行业对AI应用的态度演进。

AI有助于学习与知识传承的态度变化




受访者对此观点的认同度呈现变化趋势,反映了行业对AI应用的态度演进。

AI适合用于注册申报交付环节的态度变化




受访者对此观点的认同度呈现变化趋势,反映了行业对AI应用的态度演进。

AI输出需要严格人审/双编的态度变化




受访者对此观点的认同度呈现变化趋势,反映了行业对AI应用的态度演进。

AI在专业场景下更值得信任的态度变化




受访者对此观点的认同度呈现变化趋势,反映了行业对AI应用的态度演进。

乐于向团队推广AI最佳实践的态度变化




受访者对此观点的认同度呈现变化趋势,反映了行业对AI应用的态度演进。

公司应加大AI培训与投入的态度变化




受访者对此观点的认同度呈现变化趋势,反映了行业对AI应用的态度演进。

未来3-5年AI在统计编程行业的影响预期



进一步增强生产力,形成行业刚需是受访者最主要的预期(29人,24.2%),反映了行业对AI未来发展的整体看法。

制约AI在统计编程中应用的因素



数据安全与隐私合规风险被认为是最主要的制约因素(99人,82.5%),这为AI工具的改进和推广指明了方向。

更信任AI建议的情境



重复性高、标准化的编程任务是受访者最信任AI的情境(98人,81.7%),这反映了用户对AI应用场景的理性判断。

对AI的态度小结



态度转变轨迹


  • 2023:观望为主,谨慎尝试
  • 2024:逐步接纳,信任增强
  • 2025:积极拥抱,主动推广
  • 态度变化与使用频率增长同步

理性认知特征


  • 效率认同:对提升效率的价值高度认可
  • 风险意识:对合规、审计风险有清晰认识
  • 场景区分:对不同复杂度任务有差异化信任
  • 推广意愿:乐于分享最佳实践的人数增加

未来展望

未来展望概览



基于三年的变化轨迹,本章节展望未来发展方向,收集用户对AI工具改进、企业政策和功能优先级的建议。


关键洞察

  • 改进需求明确:用户指出了具体的痛点和期望
  • 政策诉求强烈:对企业支持和培训有高期待
  • 功能优先级清晰:对不同功能的重要性有明确排序
  • 乐观预期:对AI未来影响持积极态度


这些反馈为AI工具开发者和企业决策者提供了宝贵的方向指引。

最需要AI改进的统计编程环节



代码生成与优化被认为是最需要AI改进的环节(94人,78.3%),这为AI工具的优化方向提供了明确指引。

对公司AI政策的建议



制定更明确的使用指南与边界, 建立最佳实践分享与交流机制是受访者最主要的政策建议(83, 83人,69.2, 69.2%),反映了用户对企业AI战略的期望。

AI功能优先级排序



更强的代码理解与生成能力被认为是最优先的功能需求(平均排序:1.92),这反映了用户对AI工具发展方向的优先级判断。

未来展望小结



改进方向


  • 用户明确指出了最需要改进的环节
  • 功能优先级排序为开发提供指引
  • 改进建议具有较强的针对性

政策建议


  • 企业需要制定更明确的AI使用政策
  • 培训和基础设施投入是关键需求
  • 建立最佳实践分享机制很重要